La définition de musée, défis et compromis au XXIe siècle : Que nous en disent les musées eux-mêmes ?
Bibliographic record
Abstract
La définition de musée doit être tout à la fois neutre et prospective, descriptive et normative. Facilement compréhensible par tous, elle en traduit l’essence même. Pour tenter d’apporter une contribution à cette quête définitoire, nous portons notre analyse sur le terrain, celui des musées eux-mêmes. Cet exercice ne se veut nullement une apologie de ces musées, non plus qu’une analyse exhaustive de leurs pratiques. Il n’a encore moins la prétention de présenter des modèles qui soient universels. Nous regardons deux musées ontologiquement très différents, un musée d’art et un musée de société. Ce sont deux musées qui ont une réputation internationale : le Musée des beaux-arts de Montréal (MBAM) et le Musée de la civilisation. Ces deux musées, implicitement, nous suggèrent peut-être que l’inclusion de tous et l’enracinement dans la cité, l’implication sociale et le rôle politique au sens premier du terme constituent des éléments normatifs d’une définition ouverte de musée
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.009 | 0.052 |
| Scholarly communication | 0.012 | 0.013 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".